GESIS Training Courses
user_jsdisabled
Search

Scientific Coordination

André Ernst
Tel: +49 221 4703736

Administrative Coordination

Claudia O'Donovan-Bellante
Tel: +49 621 1246-221

Einführung in die Methoden der modernen Kausalanalyse

About
Location:
Mannheim B6, 4-5
Additional links
Lecturer(s): Michael Gebel

About the lecturer - Michael Gebel

Course description

Die Schätzung kausaler Effekte ist eines der zentralen Anliegen der quantitativen empirischen Sozialforschung. In der Forschungspraxis stehen häufig nur nicht-experimentelle Daten zur Verfügung, die Kausalschlüsse aufgrund nicht-zufälliger Selektion erschweren. In der aktuellen sozialwissenschaftlichen empirischen Forschung finden zunehmend Methoden der modernen Kausalanalyse für nicht-experimentelle Daten Anwendung, denen ein klares Kausalitätsverständnis zugrunde liegt und die nicht-zufällige Selektion explizit adressieren. Dieser Workshop führt in diese Verfahren ein. Gemäß der theoriegeleiteten empirischen Sozialforschung wird als Ausgangspunkt die Idee kausaler Hypothesen erklärt und das Ziel der kausalen Inferenz von den alternativen Zielen der Deskription und Prädiktion abgegrenzt. Dann werden als theoretische Grundlage für alle Verfahren das kontrafaktische Modell der Kausalität und die Theorie kausaler Graphen (DAGs - Directed Acyclic Graphs) vorgestellt und anhand praktischer Beispiele eingeübt. Es wird erläutert, welche Implikationen sich daraus für die Regressionsanalyse ergeben, wie z.B. Auswahl der Kontrollvariablen, kausaltheoretischer Modellaufbau und Verfahren des Regression Adjustment. Darauf aufbauend werden in einer anwendungsorientierten Einführung die Verfahren (Propensity-Score) Matching, Entropy Balancing, Inverse Probability Weighting, Instrumentvariablenschätzer, Regression Discontinuity Design und Differenz-von-Differenzen-Schätzer vorgestellt. Die Verfahren werden praxisnah am PC mit dem Statistikprogramm Stata eingeübt. Für die Praxisbeispiele werden sozialwissenschaftliche Daten verwendet.


Target group

Die Veranstaltung richtet sich primär an fortgeschrittene Studierende, Doktorand*innen und Wissenschaftler*innen mit Interesse an Verfahren der modernen Kausalanalyse.


Learning objectives

Im Anschluss an die Veranstaltung können die Teilnehmer*innen grundlegende Konzepte und Annahmen der modernen Kausalanalyse erläutern, entsprechend der jeweiligen Forschungsfrage geeignete Verfahren der modernen Kausalanalyse auswählen und Modelle spezifizieren, Verfahren der modernen Kausalanalyse selbstständig mit Stata durchführen und die Ergebnisse der Analysen (Output von Stata) verstehen und interpretieren.


Prerequisites

  • Gute Kenntnisse in der multiplen linearen und logistischen Regression
  • Grundkenntnisse in Stata.
  • Gute Deutschkenntnisse (B2 Niveau)
  • Good knowledge of German (Level B2)
  •  
    Zeitplan
     
    Mittwoch, 05.07.
    10:00-11:30Kausale Hypothesen, kontrafaktisches Kausalmodell, kausale Graphen (DAGs)
    15:45-16:00Kaffeepause
    11:45-13:00Kausale Hypothesen, kontrafaktisches Kausalmodell, kausale Graphen (DAGs) (Forts.)
    13:00-14:00Fingerfood@GESIS
    14:00-15:45Regressionsanalyse aus Perspektive der modernen Kausalanalyse: Auswahl von Kontrollvariablen, kausaltheoretischer Modellaufbau, Verfahren des Regression Adjustment
    15:45-16:00Kaffeepause
    16:00-18:00Propensity-Score Matching und alternative Matchingverfahren
    Donnerstag, 06.07.
    9:00-10:45Propensity-Score Matching und alternative Matchingverfahren (Forts.)
    10:45-11:00Kaffeepause
    11:00-13:00Entropy Balancing und Inverse Probability Weighting
    13:00-14:00Mittagspause
    14:00-15:45Instrumentvariablen (IV)-Schätzer: Klassischer IV-Schätzer, konditionaler IV-Schätzer, moderne LATE-Interpretation
    15:45-16:00Kaffeepause
    16:00-18:00Instrumentvariablen (IV)-Schätzer: Klassischer IV-Schätzer, konditionaler IV-Schätzer, moderne LATE-Interpretation (Forts.)
    Freitag, 07.07.
    9:00-10:30Regression Discontinuity Design (RDD)
    10:30-10:45Kaffeepause
    10:45-12:15Differenz-von-Differenzen-Schätzer (DID): Vorher-Nachher-Schätzer, DID mit Individual- und Aggregatdaten; DID kombiniert mit Matching
    12:15-13:15Mittagspause
    13:15-15:15Differenz-von-Differenzen-Schätzer (DID): Vorher-Nachher-Schätzer, DID mit Individual- und Aggregatdaten; DID kombiniert mit Matching (Forts.)
     
     


    Recommended readings